Навигация по документу

  1. Чистка данных
  1. Подсчет соц. дема
  1. Оценка допущений: KMO и Бартлетт-тест
  1. EFA: параллельный анализ, VSS, Кайзер
  1. Конфиматорный факторный анализ: MVN-тест & CFA
  1. Проблема CFA: отсутствие связи между предиктами и суммы-и-суммой-пунктов-в-шкале)
  1. Решение проблемы CFA: графики доверительных интервалов
  1. CFA 2 - модель с равномерным распределением извинений
  1. Анализ надежности: Кронбах & cплит-халф
  1. Оценка конвергентной и дивергентной валидности
  1. MCFA: пол и тип города

Библиотеки

Дата-сет

Чистка данных


Меняем типы

Чистим данные = монотонное заполнение


Считаем соц. дем

Распределение по полу

Удалим Да и Предпочитаю не указывать

Процентное соотношение мужчин и женщин

Метрика города

Вручную меняем тип...

Распределение по городу

Общее кол-во респондентов

Общий возраст

Отдельный дата-сет для основной шкалы


Подсчет KMO и бартлетт-теста

KMO для каждой из подшкал

KMO для общей шкалы

Тест бартлетта


Экплораторный факторный анализ

Параллельный анализ

Получили: 12 факторов

VSS анализ

Получили: 1 фактор

Eigenvalues

Получили: ~ 18:20 факторов


Конфиматорный факторный анализ

MVN-тест

Используем estimator = WLSMV

CFA общий

Фиты модели хорошие!

Корреляция между предиктами (оценка, основанная на факторной модели) и суммой пунктов в шкале

Интепретация:

  1. Оценка, основанная на факторной модели с хорошими фитами не коррелирует с суммой баллов по шкале = это странно
  1. Причина: факторы сильно коррелируют друг с другом

Демонстрация проблемы взаимосвязи факторов (фиты модели)

Демонстрация проблемы взаимосвязи факторов (визуально)

Интерпретация:

Вывод: построить точечные графики с доверительным интервалом и выбрать те ситуации, которые имеют равномерное распределение по извинениям и снова провести CFA

Графики доверительных интервалов

Интерпретация

CFA - строим модель №2 с равномерным распределением извинений

Фиты нормальные, кроме rmsea

Посмотрим на взаимосвязи факторов

Интерпретация


Анализ надежности

Альфа-Кронбаха

Сплит-халф надежность


Конвергентная и дивергентная валидность

Инвентирование шкал

Подсчет шкал

Удаление лишних колонок

Корреляционный анализ

Интерпретация


Регресионный анализ

Ни одной связи не было выявлено. Валидность не подтверждена.


Мультигрупповой конфиматорный факторный анализ

Пол

Конфигурационная инвариантность

Фиты слабые...

Перейдем к городу

Конфигурационная инвариантность

Фиты слабые...

Вывод:

  1. MCFA не имеет смысла, поскольку модель CFA не валидна на реальных данных
  1. В иной ситуации можно было бы разделить выборку на два сабсета, исходя из категориальных переменных.
    И в каждом случае провести CFA и посмотреть на показатели моделей (была выдвинута гипотеза, что женщины и респонденты, проживающие в городах-миллиониках, проявляют лучшую сходимость к пятифакторной модели, поскольку имееют более высокий уровень способности к дифференциации своих эмоций).